Diario Oficial de la Federación, No. de publicación 057/2026, Ciudad de México, martes 10 de marzo de 2026 (Edición Matutina, 214 páginas)

Este es uno de los pocos hallazgos EXPLÍCITOS de IA en el documento. El Compendio Nacional de Insumos para la Salud (instrumento de referencia obligatorio para todas las instituciones públicas del Sistema Nacional de Salud) incorpora, como característica técnica estándar de los equipos de Resonancia Magnética, una 'Herramienta para adquisición y reconstrucción de imágenes por medio de Inteligencia Artificial (IA)'. RELEVANCIA PARA IA: La IA aplicada a la reconstrucción de imágenes médicas (deep-learning image reconstruction) puede acelerar adquisiciones y reducir ruido, pero también puede 'alucinar' estructuras anatómicas inexistentes o suprimir hallazgos patológicos sutiles (lesiones pequeñas, microsangrados), generando imágenes que parecen normales pero que han sido alteradas por el modelo. Es un riesgo R1 clásico: el sistema produce un output convincente que puede ser tratado como infalible por el radiólogo (automation bias). GAP REGULATORIO: El Compendio enuncia la IA solo como una especificación de compra (feature de adquisición), SIN exigir: (1) validación clínica del algoritmo en población mexicana, (2) marcado/etiquetado de imágenes generadas o realzadas por IA para distinguirlas de la adquisición nativa, (3) requisitos de explicabilidad o trazabilidad, (4) monitoreo de desempeño post-comercialización, ni (5) responsabilidad ante un diagnóstico erróneo derivado de una reconstrucción por IA. No hay referencia a regulación de software como dispositivo médico (SaMD) con componente de IA. CONTEXTO MEXICANO: La adopción de equipos con IA en el sistema público (donde un radiólogo puede supervisar cientos de estudios) eleva el riesgo de automation bias por sobrecarga; además, los algoritmos suelen entrenarse en poblaciones no mexicanas, lo que puede degradar su desempeño.

Hallazgo EXPLÍCITO de IA en un dominio clínico crítico: el 'software de contorneo basado en Inteligencia Artificial' delimita automáticamente órganos en riesgo y volúmenes tumoral/blanco sobre imágenes de tomografía para la planeación de radioterapia. Un error de contorneo (auto-segmentation) se traduce directamente en dosis de radiación mal dirigida: subdosificación del tumor (falla terapéutica) o sobredosificación de tejido sano (daño iatrogénico grave). Es un riesgo R1 de alta severidad porque el output del algoritmo controla la administración de una terapia potencialmente lesiva. GAP REGULATORIO: El Compendio incorpora el contorneo por IA como mera especificación de equipo, sin exigir validación clínica, revisión humana obligatoria del contorneo antes de la entrega de dosis, métricas mínimas de exactitud geométrica, ni protocolos de control de calidad específicos para la segmentación automática. No se menciona supervisión médica obligada ni mecanismos de corrección. CONTEXTO MEXICANO: La escasez de físicos médicos y radio-oncólogos en el sistema público puede llevar a aceptar los contornos generados por IA sin revisión rigurosa (automation bias), amplificando el riesgo de daño en pacientes oncológicos vulnerables.

Hallazgo EXPLÍCITO que nombra de forma directa la tecnología subyacente: 'algoritmo de red neuronal de aprendizaje profundo' (deep learning) para reconstrucción de imágenes de tomografía. Estos algoritmos permiten reducir la dosis de radiación al paciente manteniendo calidad de imagen, lo cual es beneficioso, pero la reconstrucción por deep learning puede introducir artefactos sintéticos o suprimir hallazgos reales de baja conspicuidad, con consecuencias diagnósticas (R1). RELEVANCIA REGULATORIA: Es notable que el propio instrumento del Consejo de Salubridad General reconozca explícitamente el uso de redes neuronales de aprendizaje profundo en insumos para la salud, lo que confirma que la IA ya está incorporada de manera operativa en el equipamiento del sistema público de salud mexicano, anticipándose a cualquier marco regulatorio de IA en salud. GAP REGULATORIO: Mismas carencias que H1 y H2: ausencia de validación clínica obligatoria, de etiquetado de imágenes procesadas por IA, de evaluación de sesgo poblacional y de farmacovigilancia/tecnovigilancia específica para algoritmos de reconstrucción.

Hallazgo IMPLÍCITO de automatización en un dispositivo crítico para la vida. Los desfibriladores/estimuladores implantables ejecutan 'tratamiento automatizado de arritmias ventriculares que pueden ser mortales': el dispositivo detecta automáticamente la arritmia y administra terapia (estimulación antitaquicárdica o descarga) sin intervención humana en el momento, además de tener 'Capacidad de monitoreo a distancia' (telemetría/seguimiento remoto del paciente). RELEVANCIA PARA IA: Aunque el texto no menciona 'IA', estos dispositivos integran algoritmos de detección y decisión automatizada que actúan sobre el cuerpo del paciente sin supervisión humana en tiempo real. Un error del algoritmo de detección puede provocar (a) descargas inapropiadas (dolorosas, dañinas, ansiógenas) ante ritmos benignos, o (b) falla en detectar una arritmia letal. Esto encuadra en R1 (malfuncionamiento de sistema automatizado en servicio crítico) y, por la delegación de decisiones de vida o muerte a un sistema automatizado, toca R13 (pérdida de control / decisiones críticas delegadas a la automatización con supervisión humana diferida). El monitoreo a distancia agrega además consideraciones de seguridad y privacidad de datos de salud transmitidos. GAP REGULATORIO: El Compendio describe la funcionalidad automatizada y el monitoreo remoto como características de compra, sin abordar ciberseguridad del dispositivo implantable, integridad y privacidad de los datos telemétricos, ni requisitos de auditoría de los algoritmos de detección/terapia. CONTEXTO MEXICANO: La capacidad limitada de tecnovigilancia y de ciberseguridad sanitaria en el sistema público dificulta supervisar dispositivos implantables conectados y sus algoritmos.

Hallazgo IMPLÍCITO-GAP: el AICM convoca a la adquisición de un 'Sistema Antidrones' para el Aeropuerto Internacional Benito Juárez. Los sistemas contra aeronaves no tripuladas (C-UAS) de generación actual integran de manera habitual componentes de IA/aprendizaje automático para la detección, clasificación y seguimiento autónomo de drones (fusión de radar, radiofrecuencia, electroóptico e infrarrojo) y, en algunos casos, respuesta o neutralización con intervención humana reducida. RELEVANCIA PARA IA: Aunque el resumen de convocatoria es de una sola línea y remite a bases externas (sin detalle técnico que mencione 'IA'), el dominio (seguridad de infraestructura crítica con vigilancia del espacio aéreo y, potencialmente, sensores que captan actividad en zonas pobladas aledañas) lo ubica en R9 (vigilancia) y R1 (malfuncionamiento de un sistema de detección/clasificación automatizado: falsos positivos que confundan aeronaves o aves con drones, o falsos negativos ante una amenaza real). El nivel de evidencia es 'implícito débil' por la ausencia de especificación técnica. GAP REGULATORIO: No existe un marco que exija, para C-UAS adquiridos por el Estado, transparencia algorítmica, límites a la captación/retención de datos de radiofrecuencia o imagen que puedan afectar la privacidad de terceros, ni controles democráticos sobre el uso de capacidades de vigilancia del espacio aéreo. Se reporta como gap para seguimiento, sin sobreafirmar la presencia de IA dado lo escueto del fragmento. CONTEXTO MEXICANO: La adquisición de tecnología de detección/vigilancia por entidades del Estado, sin un marco específico de IA ni de protección de datos para estos sensores, y con capacidad de supervisión limitada, eleva el riesgo de uso expansivo o de fallas no auditadas.